Los tumores son nuevos tejidos que son perjudiciales para la salud humana. El tumor maligno es una de las principales enfermedades que afectan gravemente la salud humana y amenazan la vida humana. Para el tratamiento del cáncer, la detección temprana de características patológicas es esencial para reducir la mortalidad por cáncer de manera efectiva. Los métodos de diagnóstico tradicionales incluyen pruebas de laboratorio rutinarias de las secreciones del paciente, así como pruebas serológicas, inmunológicas y genéticas. En la actualidad, los exámenes de imagen clínica más utilizados incluyen radiografías, tomografías computarizadas (TC), resonancias magnéticas (RM), escáneres SPECT, etc. Con la aparición de nuevos problemas de reducción de ruido por radiación, la tecnología de reducción de ruido en imágenes médicas está siendo cada vez más investigada por los investigadores. Al mismo tiempo, los médicos a menudo necesitan confiar en la experiencia clínica y en el conocimiento académico en el diagnóstico de lesiones. Sin embargo, es un desafío promover la tecnología de diagnóstico clínico. Por lo tanto, debido a las necesidades médicas, surge la investigación sobre tecnología de imágenes médicas y diagnóstico asistido por computadora. Las ventajas de una red neuronal convolucional en el diagnóstico de tumores son cada vez más evidentes. La investigación sobre diagnóstico asistido por computadora basado en imágenes médicas de tumores se ha convertido en un enfoque más agudo en la industria. Las redes neuronales se han utilizado comúnmente para investigar métodos inteligentes que asisten en el diagnóstico de imágenes médicas y han logrado avances significativos. Este documento introduce los métodos tradicionales de diagnóstico asistido por computadora de tumores. Presenta la segmentación y clasificación de imágenes de tumores, así como los métodos de diagnóstico basados en CNN para ayudar a los médicos a determinar tumores. Proporciona una referencia para el desarrollo de un sistema asistido por computadora basado en CNN en la investigación de detección de tumores en el futuro.